别急着买工具,企业AI落地的第一步是造一个能跑通的样板间
王书元说,AI不像数据库这类旧技术升级——每个人对AI都有自己的理解,靠集思广益很难推进,企业应该先在一个部门做出能闭环的样板,再靠示范效应说服全公司跟进。
原视频在 YouTube 上放不出来,用音频听:
核心论点 · 点时间戳可跳到原声
缸中之脑没有手脚
王书元说看到GPT-4的第一反应是:人类头脑思想的问题,本质上已经被解决了——他当时是AI research背景的apply scientist,立刻觉得自己过去的研究没必要再做下去。但这个新诞生的智能只是「缸中之脑」:没有手没有脚,只能在聊天框里给答案,连把生成的代码粘贴回编辑器都要用户手动完成。FDE要做的,就是给这个「脑子」装上手脚、记忆和场景匹配能力,让它从聊天工具变成能在企业生产系统里跑起来的agent。
— 王书元问题反馈不用出公司
王书元说Google Cloud FDE的优势不在「模型更强」,而在debug链路更短:FDE在客户现场发现的能力边界问题,能直接反馈给公司内部的产品团队或模型质量团队,等更新上线后再回客户现场验证一遍——这是公司内部沟通。独立或第三方FDE团队如果自己解决不了问题,要找的其实是另一家公司,跨组织沟通效率完全不是一个量级。第三方的好处是能在多个模型厂商之间保持中立、帮客户货比三家,但这是利弊互换,不代表能力更强。
— 王书元FDE卖的是样板间
王书元用装修打比方:一套房子不用造样板间,自己装修或找团队做完就行;但要装修一整个小区,一定先造一个样板间——样板间可以没有马桶、没有抹布,但一定要有水电,意思是demo不需要功能齐全,但数据管线必须在真实场景里打通、形成闭环。他的暴论是:企业推AI不能靠集思广益,因为不像以前的数据库技术只有一个部门懂,今天每个人对AI都有自己的理解,众口难调;正确做法是先把一个部门的样板做到足够漂亮、能跑通,再靠示范效应说服其他部门跟进。
— 王书元先融化的是研发和PM边界
王书元观察到,在Agent时代之前,他带的AI研发团队和PM团队之间的界限最先变模糊——研发开始自己跟LLM对话去写项目申请书、证明算法价值,这其实是PM的活;PM则直接拿着写好的研发文档问LLM要方向,这其实是研发的活。他给这个现象起名「FDE BP」(business partner):随着vibe coding普及,纯技术能力的边界正在变得次要,真正重要的是能不能从客户的业务问题反推需要什么样的agent工作流,这也让团队重新讨论招聘时该不该保留白板写代码的环节。
— 王书元别站主航道,价值在涟漪
王书元讲了一个真实案例:客户想把带像素级文字的广告图整张从一种语言翻译成另一种语言,他当场反对,理由是这正踩在模型的主航道正中央——果然两三周后Google发布了nano banana,如果当时真做了,整套定制系统就全废了。他的结论是FDE要像站在船头两侧找涟漪,而不是站在船的正前方:主航道上的需求模型厂商自己很快会解决,FDE真正该找的是侧面、后方那些模型还顾不上、但客户真实需要的缝隙。
— 王书元机制买不来信任
王书元说机制没法直接建立信任——机制只能帮你排除最后那一丁点怀疑。他举Manus选择合作方的例子:当时各家云厂商和模型公司都在被接触,最后是因为Google的FDE同事足够积极主动地解决了许多具体问题,信任才慢慢攒起来,后面才谈得上早期模型checkpoint的access这些机制。他也直言,目前判断agent还取代不了FDE,人和人面对面建立信任这件事,现在还没有被自动化。
— 王书元下一波浪潮在知识工作者
王书元的暴论是,第一波AI浪潮已经在编程界兑现,下一波会在知识工作者这块爆发——虽然有人说知识工作者消耗的token比编程少,但把一个人进公司以来开过的每个会、每份文档全部喂给AI,token消耗量其实不小。他用Gemini Agent处理manager工作时有了第二次ChatGPT moment:不再需要告诉AI该参考哪份文档、哪次会议,只要说清楚要做什么,AI会自己跑很长时间把上下文收进来。他把这个过程称为知识工作者的「自我蒸馏」,并说企业AI落地难,很多时候不是AI不行,而是企业本身没做数字化转型。
— 王书元两个月网站,Agent一次跑完
王书元对比了亲身经历:用上一代工作流(需求文档、架构设计文档、进度文档三份对齐,每次改动留痕)给太太做职业教练个人网站,涉及数据库和前后端部署,前前后后花了两个月业余时间;Manus出来后他把同样需求重新跑一遍,不再需要维护这三份文档、不再需要每次留痕,直接端到端跑出一个基本可用的页面。他认为agent进化分层:第一轮看答案质量,第二轮看任务完成度,下一轮要看的是能不能贴合人脑处理信息的频率——他有时只想要一句话反馈,agent却给出要花五分钟认真读的长文,这种错位还没被解决。
— 王书元原话 · 已逐字校验
我们是会把FDE定义为帮助客户 从AI的概念走向实际生产系统落地的加速器
我们把FDE定义为:帮助客户从AI的概念,走向实际生产系统落地的加速器。
王书元1:02
那我现在觉得说以后我们就会得到无数个刚中之脑 这刚中之脑本身的价格是非常便宜的 但是它虽然没有手没有脚 在当时不能做其他任何的事情
我觉得以后我们会得到无数个缸中之脑,这个缸中之脑本身的造价非常便宜,但它没有手没有脚,当时不能做其他任何事情。
王书元4:04
可以用一个非常简单的比喻来说明 FDE就是打造样板间的 打造样板间跟传统的装修有什么不一样 大家可以想一想
可以用一个非常简单的比喻来说明,FDE就是打造样板间的,打造样板间跟传统的装修有什么不一样,大家可以想一想。
王书元15:07
我讲一个我的暴论 可以 非常简单 一定选前者 后者是走不通的 或者换句话说 就是一定要先打造样板间
我讲一个我的暴论:一定选前者,后者是走不通的。换句话说,就是一定要先打造样板间。
王书元20:12
PM就觉得说 这个东西已经这样了 我就可以去找公众团队了 然后我们发现说 我们研发和PM之间在干 同样一件事情 特别的神奇
PM会觉得,这件事已经做完了,我就可以去找产品团队了。然后我们发现,研发和PM之间在干同样一件事,特别神奇。
王书元30:21
但是就在这个事情过后 可能没有两三周的时间 nano banana就出来了 这个事情就是说 需求还存在 还有很多edge case 但是说如果我们当时去做的话 那整套系统都不需要了
但就在那之后,大概没过两三周,nano banana就发布了。需求还在,还有很多edge case,但如果我们当时真做了那套定制方案,整套系统现在都不需要了。
王书元38:24
机制不能帮助你建立信任 对 机制只能帮助你排除说最最后的那一丁点怀疑
机制没法帮你建立信任,机制只能帮你排除最后那一丁点怀疑。
王书元43:27
然后给我非常靠谱的建议 嗯 我觉得他的核心就是说 一个知识工作者 他是可以自我蒸馏的
然后给我非常靠谱的建议。我觉得核心是,一个知识工作者是可以自我蒸馏的。
王书元48:32
数字与实体
| nano banana发布与需求出现的间隔 | 两三周 | 38:24 |
| 传统模式下manager可带团队规模 | 50人 | 45:27 |
| 用旧工作流做个人网站的耗时 | 约两个月(业余时间) | 52:54 |
术语
- FDEFDE
- Forward Deployed Engineer,派驻客户现场把AI能力落地为生产系统的工程师
- brain in a vat缸中之脑
- 哲学比喻,指有智能却没有手脚、无法与外部世界交互的大脑
- FDE BPFDE BP
- 王书元自创词,指FDE要像business partner一样从客户业务问题反推技术方案
- nano bananaNano Banana
- Google发布的图像生成/编辑模型
- self-distillation自我蒸馏
- 王书元用来形容知识工作者把自己积累的文档、会议记录喂给AI的过程
收听指南
想把AI真正落到企业生产系统里的创业者、技术负责人,以及正在搭建FDE或交付团队的人。
对AI工具演变史熟悉的听众,可跳过开头讲vibe coding历史的铺垫。